Прогнозирование цен на продажу жилья: обзор существующих методов и иллюстрация методов потока данных для повышения производительности

Абстрактные

Необходимость точной и беспристрастной оценки жилой недвижимости всегда была важна не только для финансовых учреждений, предоставляющих ссуды на такие активы или владеющих такими активами, но и для муниципалитетов, которые полагаются на налоги на недвижимость в качестве важнейшего источника доходов. Общая методология прогнозирования продажной цены жилой недвижимости основана на традиционной множественной регрессии, несмотря на известные проблемы. В качестве альтернативного подхода были предложены методы машинного обучения, но результаты далеки от удовлетворительных. Обзор существующих исследований и соответствующих вопросов может помочь исследователям лучше оценить плюсы и минусы подходов в этом важном потоке исследований и продвинуть эту область вперед. В данной статье представлен такой обзор. В нашем обзоре мы заметили, что общим как для методов на основе регрессии, так и для методов машинного обучения является использование пакетного режима обучения. Таким образом, в дополнение к обзору недавних исследований моделей прогнозирования жилой недвижимости на основе пакетов, в этой статье также исследуется новый подход к построению моделей прогнозирования цен на жилую недвижимость путем обработки прошлых продаж в качестве развивающегося потока данных. Результаты нашего исследования показывают, что подход потока данных превосходит традиционный метод регрессии и демонстрирует потенциал методов потока данных в улучшении моделей прогнозирования цен на жилую недвижимость.